상태 이해
티켓, Agent 실행 기록, 제품 레코드, 게임 상태 같은 자연어 또는 구조화 텍스트를 해석합니다.
Jev AI Dev · 개발자 가이드
System One AI 모델이란? 개발자를 위한 Jev 가이드.
System One은 비정형 애플리케이션 상태를 타입이 지정된 답과 확률로 바꾸는 TypeSafe의 AI 모델 클래스입니다. Jev는 첫 구현이며 애플리케이션 코드 안에 들어가는 제한된 의사결정 컴포넌트입니다.
- 입력
- 텍스트, JSON 또는 텍스트 배열
- 출력
- Choice, Score 또는 Noul
- 제어 흐름
- 코드가 소유
이 페이지는 독립적인 개발자 가이드입니다. 제품 세부 정보와 성능 주장은 TypeSafe 자료를 바탕으로 합니다. 프로덕션에 사용하기 전에 자체 데이터로 Jev를 검증하세요.
System One
state → decisionsstate
“이중 청구되었습니다. 오늘 해결해 주세요.”
choice결제팀0.96
noul긴급0.88
score불만도1.7 / 2
if (confidence < threshold) → review모델 클래스
System One 모델은 애플리케이션 코드를 위한 의사결정 프리미티브입니다.
System One 모델은 입력의 의미를 읽지만 대화를 이어가거나 답변 문장을 만들지 않습니다. 질문과 허용할 답의 형태를 먼저 선언하면 프로그램이 검사하고 처리할 수 있는 범위 안의 판단을 반환합니다.
계약 안에서 답하기
호출 전에 답의 범위를 정의합니다. 모델은 선택지를 고르거나 척도에 점수를 매기거나 참·거짓 명제를 평가합니다.
불확실성 노출
모든 답에는 확률 신호가 있습니다. Choice와 Score는 분포를 요약한 confidence도 제공해 명확한 결과와 모호한 결과를 구분합니다.
코드와 조합
임계값, 정책 검사, 부수 효과, 재시도, 대체 경로, 사람의 검토는 일반 코드가 담당합니다.
Jev 워크플로
개발자가 Jev를 애플리케이션 코드에 통합하는 방법.
Jev는 한 번의 모델 호출을 여러 의사결정 신호로 바꿉니다. 개발자에게 유용한 단위는 대화 한 턴이 아니라 모델과 애플리케이션 사이의 작고 타입이 지정된 계약입니다.
1. 상태 구성
판단에 필요한 정보를 보냅니다. Jev는 현재 문자열, JSON 객체, 텍스트 배열을 포함한 텍스트 기반 입력을 받습니다.
고객 메시지 + 계정 정보2. 질문 정의
각 질문에 이름을 붙이고 primitive를 선택한 뒤 허용할 선택지나 척도를 설명합니다. 독립적인 여러 질문을 한 요청에 담을 수 있습니다.
담당 부서 · 긴급도 · 불만도3. Jev 평가
각 질문에 타입이 지정된 답과 확률 신호를 반환합니다. Choice와 Score에는 별도의 confidence도 포함됩니다.
결제팀 · 0.93 · 높은 confidence4. 코드가 정책 적용
모델 출력과 결정적 검사를 결합합니다. 위험이 낮고 명확하면 실행하고, 모호하거나 영향이 크면 사람 또는 추론 모델로 보냅니다.
라우팅 · 재질문 · 검토 · 중지세 가지 답 형태
Choice
billing어느 팀이 처리해야 하나?
미리 정의한 집합에서 하나를 선택하고 모든 선택지의 확률을 반환합니다.
Score
1.43 / 2이 문제는 얼마나 심각한가?
설명된 순서 척도에 입력을 배치합니다. 결과는 두 단계 사이에 놓일 수 있습니다.
Noul
0.95환불을 요청하는가?
예/아니요 명제를 평가하고 “예”일 확률을 반환합니다.
배경 논리
TypeSafe가 소프트웨어용 모델 인터페이스를 만든 이유.
생성 모델은 사람을 위한 유연한 문자열 생성에 강합니다. TypeSafe는 소프트웨어에는 코드 안에서 반복 실행되고 불확실성을 드러내며 제어 흐름을 보이게 하는 더 좁은 형태의 지능이 필요하다고 봅니다.
문자열은 유연하지만 개방적
결과가 글, 코드, JSON, 거부 또는 잘못된 형식일 수 있습니다. 애플리케이션은 실행 전에 파싱, 검증, 복구를 해야 합니다.
자동화에는 경계가 필요
모델이 백그라운드에서 실행되면 프로그램은 가능한 결과와 각 결과가 허용할 동작을 미리 알아야 합니다.
불확실성이 흐름을 바꿔야 함
확률 분포를 이용하면 명확한 사례는 자동 처리하고 모호한 사례는 더 안전한 경로로 보낼 수 있습니다.
작은 판단을 조합
복잡한 흐름을 집중된 의미 판단으로 나눈 뒤 큰 프롬프트에 숨기지 않고 결정적 로직으로 연결합니다.
적용 위치
System One AI가 개발 워크플로에 맞는 경우.
자주 반복되고 복잡한 입력 의미를 이해해야 하며 애플리케이션이 이미 처리 방법을 아는 소수의 동작으로 이어지는 작업이 가장 적합합니다.
고객 지원 운영
티켓을 분류하고 의도, 긴급도, 고객 감정을 파악하며 불확실한 사례를 검토로 보냅니다.
결제, 기술, 계정 문제인가, 다른 문제인가?
Agent 제어
모델이나 도구 선택, 검색 필요 여부, 결과 완성도, 예정된 도구 호출을 판단합니다.
Agent가 계속, 재시도, 에스컬레이션 중 무엇을 해야 하나?
순위와 관련성
후보가 검색, 프로필, 정책, 문맥과 얼마나 맞는지 평가하고 비즈니스 규칙과 결합합니다.
이 후보는 요청과 얼마나 관련 있는가?
안전과 검증
명시된 기준으로 메시지, 생성 결과, 실행 기록, 코드 변경을 평가하고 고위험 결과는 결정적 게이트 뒤에 둡니다.
명시된 규칙을 위반하는가?
실시간 상호작용
게임, 시뮬레이션, 반응형 UI, 기기 자동화에서 허용된 동작을 선택해 긴 텍스트 생성을 피합니다.
현재 상태에서 가장 적절한 허용 동작은?
데이터 작업
많은 레코드를 범주, 점수, 플래그, 특성으로 바꿔 후속 시스템이 집계하거나 검토하게 합니다.
이 레코드의 범주와 위험 수준은?
적합한 경우
선택지가 알려져 있고 입력 의미가 복잡하며 판단이 반복되고 지연이 중요하고 코드가 각 결과에 명확한 동작이나 대체 경로를 둘 수 있을 때.
적합하지 않은 경우
새로운 글이나 코드, 깊은 다단계 추론, 폭넓은 조사, 설명, 멀티모달 입력이 필요하거나 결과 범위를 미리 정의할 수 없을 때.
System One과 생성형 LLM
System One과 생성형 LLM은 AI 스택에서 서로 다른 역할을 합니다.
둘 다 언어를 이해하며 LLM도 구조화 출력으로 형식을 제한할 수 있습니다. 핵심 차이는 모델이 무엇을 내도록 설계됐고 주변 소프트웨어가 이를 어떻게 쓰는지입니다.
| 비교 항목 | Jev / System One | 일반 생성형 LLM |
|---|---|---|
| 주요 작업 | 미리 정의한 결과 평가 | 다음 내용 또는 답변 생성 |
| 기본 출력 | 타입이 지정된 선택, 점수, “예”의 확률 | 글, 코드, JSON 등 token 열 |
| 답 공간 | 호출 전에 선언 | schema로 최종 형식을 제한해도 본질적으로 개방적 |
| 불확실성 | 모든 답에 확률, Choice와 Score에는 confidence | token 확률이나 자체 보고 confidence가 있을 수 있으나 보통 작업에 보정된 판단 신호는 아님 |
| 샘플링 | TypeSafe에 따르면 질문과 출력을 병렬 평가 | 보통 token 단위 순차 생성 |
| 강점 | 고빈도 의미 분기, 점수화, 라우팅, 검사 | 글쓰기, 대화, 코딩, 종합, 개방형 추론 |
| 주요 실패 | 형식은 맞지만 의미 판단이 틀림 | 틀리거나 잘못된 형식, 근거 부족, 작업 이탈 |
| 시스템 역할 | 보이는 코드 안의 제한된 의사결정 컴포넌트 | 유연한 생성기 또는 추론기, 대규모 오케스트레이션이 필요한 경우가 많음 |
Jev 외의 System One 방식을 평가하는 개발자를 위해 Projects 페이지와 같은 커뮤니티 모듈을 제공합니다. 독립적으로 학습한 모델과 기존 가중치를 사용하는 Jev 유사 인터페이스를 구분합니다.
System One
Jev에서 영감을 받은 커뮤니티 System One 프로젝트
Jev에서 영감을 받았거나 비슷한 구조화 의사결정 방식을 탐구하는 커뮤니티 모델과 인터페이스 실험입니다. TypeSafe가 공식 배포한 Jev 버전이 아니며 위 GitHub 프로젝트 순위에는 포함하지 않습니다.
커뮤니티 모델
Qwen3.5-9BBespoke Nimble
Jev에서 영감을 받은 LoRA 어댑터와 학습 방법입니다. 선택형·예/아니요 판단을 로컬에서 처리하며 현재 텍스트만 지원합니다.
GitHub커뮤니티 모델
Qwen3-0.6BNanoJev
판단 헤드를 갖춘 소형 모델입니다. 학습 코드와 행동 선택을 시험하는 게임 데모를 공개합니다.
GitHub커뮤니티 모델
Qwen3.5-2Bdecider
정형화된 질문들의 확률 분포를 한 번에 반환하는 미세 조정 모델입니다. 현재 버전은 영어만 지원합니다.
GitHub커뮤니티 모델
ModernBERT 151MVerdict
소형 인코더 기반 의사결정 모델로, 가중치와 브라우저용 WebGPU 데모를 공개합니다.
GitHub커뮤니티 모델
Qwen3.5-0.8BDohnuts
가중치와 학습 코드, 평가 결과를 공개한 0.8B 멀티모달 의사결정 모델입니다. 한 번의 순전파로 텍스트와 이미지를 처리하며 가중치는 비상업 연구용입니다.
GitHubAPI 구현 실험
DiffusionGemma 26B-A4BOpenJev
기존 DiffusionGemma 모델을 이용해 Jev와 비슷한 API로 구조화된 질문에 답합니다. 새로운 모델 가중치를 공개하지는 않습니다.
GitHubAPI 구현 실험
Open-model logitsSimple Jev
기존 오픈 모델로 허용된 답을 점수화해 Jev와 유사한 인터페이스를 제공합니다. 새로운 모델 가중치는 공개하지 않습니다.
GitHubAPI 구현 실험
Spark-X2.5-4BRizzo Flow
Spark-X2.5의 답변 로짓을 읽는 로컬 Jev 호환 서버입니다. 여러 질문이 상태 프리필을 공유하며 플레이그라운드와 벤치마크도 제공합니다.
GitHubAPI 구현 실험
Any causal LLMAnyJev
별도 학습 없이 인과 언어 모델을 정형 의사결정 모델로 바꾸는 도구입니다. 선택지 순서 편향 보정, 선택적 보정, 재현 가능한 벤치마크를 지원합니다.
GitHubAPI 구현 실험
Qwen3.5 / DeBERTalocal-jev
Qwen 또는 DeBERTa를 사용하는 오프라인 Jev 호환 서버입니다. 공식 SDK로 호환성을 확인했고 JevBench 결과도 공개했습니다.
GitHub커뮤니티가 독립적으로 만든 프로젝트이며, Jev 공식 버전이 아닙니다.
1차 자료
원문에서 주장을 확인하세요.
이 Jev AI Dev 개발자 가이드는 TypeSafe의 프레임을 독립적으로 설명합니다. API 세부 정보, 제품 주장, 평가 방법, 업데이트는 공식 자료를 확인하세요.
개념보다 형태를 시험하기
애플리케이션이 이미 하는 한 가지 판단부터 시작하세요.
가능한 답을 정하고 대표 예시를 모으며 불확실한 결과의 처리 방법을 정한 뒤 Jev를 기존 규칙이나 모델과 비교하세요. 영향이 큰 결정을 바로 자동화하지 마세요.